季节模型参数估计量的经验偏差和均方误差(英文)

由MonteCarlo研究得到季节模型参数的通常的最小方差估计量、简单对称估计量和加权对称估计量的经验偏差和均方误差以及最小方差估计量对简单对称估计量和加权对称估计量的比率 .结果表明对非平稳序列最小方差估计量比其它两个估计量更有效且较小季节值的有效性也较小 ,但当平稳序列参数的绝对值接近 1时 ,加权对称估计量和简单对称估计量比最小方差估计量更有效且较大季节值的有效性也较大 .

浅谈估计量的优良性标准

众所周知,参数估计的方法很多,而且不同的方法将导致不同的估计量,那么如何从这些估计量中寻找最适合的估计量成为了一个很重要的问题。因此,本文主要以使得均方误差最小的原理来研究评价估计量优良性的标准(相合性、无偏性、有效性)。经过对这几个标准的研究最终得到相对而言较适合的估计量为:一致方差最小无偏估计量UMVUE。最后介绍证明一个估计是UMVUE的方法。

跳跃-扩散模型基于拉普拉斯变换的参数估计

文章基于拉普拉斯变换的估计原理是令模型理论拉普拉斯变换与数据经验拉普拉斯变换相匹配,是当似然函数不存在或者是其形式复杂而对应的拉普拉斯变换相对简单时,最大似然估计(MLE)的一种有效替代。当变换变量与估计参数相关时,使用自适应估计量和经验最小方差估计量两种解决方式,以获得有效的拉普拉斯变换估计量,并利用Matlab软件编程将其应用于金融随机模型跳跃-扩散模型中,为解决实际金融产品及其衍生产品的定价等问题的研究提供恰当的参数估计方法。